MCU有AI,傳感器會ML?邊緣計算時代來了

2021-01-10 電子發燒友

「雖然去年整個電子產業呈現出疲軟的狀態，但我們預計在今年下半年市場會出現反彈，整體表現會超出上半年。」近日在深圳舉辦的意法半導體（STMicroelectronics）第四屆STM32峰會上，意法半導體總裁兼執行長Jean-Marc Chery對電子市場整體表現給出了樂觀的預期。

據IHS 發布的數據顯示，2018年STM32系列微控制器（MCU）出貨超過12億顆，位列全球通用MCU廠商排名第二位，而如果算上汽車MCU，ST已經是中國排名第一的MCU廠商。他們都這麼有信心，我們還有什麼理由不相信半導體市場會復甦？

本次大會聚焦的3大專題「人工智慧與計算」、「工業與安全」、「雲技術與連接」，可以看到，隨著人工智慧（AI）、機器學習（Machine Learning）和物聯網（IoT）等新興技術應用的興起，ST在產品策略上也正與時俱進。


意法半導體微控制器和數字IC (MDG)產品部副總裁，微控制器事業部總經理Ricardo De Sa Earp

意法半導體微控制器和數字IC (MDG)產品部副總裁，微控制器事業部總經理Ricardo De Sa Earp稱，ST正在向連接性、人工智慧、安全、生態等方面著力發展。例如ST在大會開場舞蹈中展示了一雙「AI魔鞋」，能夠精確和高效地跟蹤用戶的運動，穿著它跳街舞時，這雙鞋竟然還能準確地識別出當前舞者所用的舞步名稱，其中的秘密就是……


一般人都認不出的街舞專業動作「SalsaRock」、「Original」、「moon-walk」等，一雙鞋竟然能實時識別出來，這是傳感器+AI算法+MCU的功勞

MCU怎樣玩轉AI？

AI正在以驚人的速度影響中國市場發展，但人們熟知的AI運算平臺不外乎CPU、GPU、FPGA或ASIC，ST在大會上打出了口號——「讓大多數STM32產品都支持AI深度學習」，但要怎樣用MCU來做AI呢？

對此意法半導體微控制器事業部全球市場總監Daniel Colonna表示，目前主要是通過一系列工具，基於神經網絡的初步數學計算得出算法，來實現神經網絡的映射，從而實現在MCU端加載人工智慧。目前ST已經研發出構建下一代智能設備所需的軟硬體解決方案，包括收集信息的硬體和處理數據的軟體庫，以及用於解釋、分析和運行AI應用程式的MCU。


（Source：意法半導體）

已有多家合作夥伴採用ST的機器學習和AI方案，比如前面提到的AI魔鞋——NNF舞鞋，就來自一家日本公司No New Folk Studio的第一個智能鞋平臺Orphe Track，這也是STM32峰會上主要的第三方原型設計之一。該智能鞋的傳感器模塊Orphe Core採用意法半導體的傳感器，內部的AI算法能夠梳理用戶行走和跑步生成的數據，提供有關如何提高運動效率的建議，還能記錄用戶的日常運動方式和健康狀況，並關聯到各種健身和保險服務。

等等，傳感器也有人工智慧了嗎？

傳感器裡也有機器學習核心

眾所周知，做人工智慧一般需要收集大量數據，用於神經網絡的訓練和機器學習，而數據收集往往由傳感器完成。傳統、普通的傳感器就是把數據採集下來，報到主控那邊去運算和執行，這個過程考慮到系統的功耗和延時。而在ST的傳感器產品線中，一些產品已經可以做到邊緣計算。

「邊緣的概念是，傳感器收到信號以後，可以自行處理一部分特定的數據。例如計步、檢測不同的運動狀態，或是飛行模式/地面模式等等狀態，這些都可以找到一定的規律。」意法半導體大中華暨南亞區模擬器件、MEMS和傳感器 (AMS) 產品部市場及應用高級總監吳衛東介紹道，「我們只要採集到原始數據，用機器學習模型學習好，把學習出來判斷的依據再寫到傳感器裡，傳感器就可以有執行層面，不需要用到處理器就可以去判斷。」


（Source：意法半導體）

把一些簡單的人工智慧算法融入傳感器中，這是對現有MCU產品系列的補充和增強。隨著5G的到來，人們對傳統產品的延遲和能耗將提出更高更極限的要求，邊緣計算是非常好的實現方法。

STM32未來的產品線規劃

ST一直是MCU的全產品提供商，今年初他們對外宣布，將生態系統進一步延伸到STM8（8位MCU）。STM8的生態系統也涵蓋了所有STM32家族內的產品，包括MPU，STM32提供的所有工具，在STM8也可以實現。


STM32現有的14個量產系列，共享一個生態系統，這對於其他MCU領域競爭對手來說是一件很可怕的事，因為用戶的習慣不是那麼容易改變的。（Source：意法半導體）

不管是低端還是高端的應用，ST的願景是在每個層級都要有相應產品的部署。對於一些低端應用可以直接用STM32，對於一些較高端的複雜應用則可採取STM32加MPU的方式。據透露，接下來一段時間ST將主推STM32+MPU。

其中下一代H7性能更高的同時，價格也會更親民。

而首個STM32 MPU，支持Linux OS，採用Cortex-A7和Cortex-M4雙核設計，也在提供高速接口和高速計算能力的同時，兼顧實時任務處理。對於MPU市場，ST也是信心十足， 他們認為這個市場中真正能夠為大眾市場提供MPU，並且背後有一套生態系統來支持的公司並不多。ST有非常專業的技術支持和強大社區，可以帶來MPU產品本身以外的一些支持，這一點是和其他競爭對手最大的差異。


（Source：意法半導體）

ST在中國市場

而對於開始提到的看好今年電子市場整體復甦，ST方面認為有兩大原因：

一、 就ST目前與客戶進行的項目對接與合作來看，汽車和個人消費電子領域需求旺盛。
二、 預期工業市場和大眾市場會帶來新的增長，所以今年ST特別把注意力重新放回到了亞洲，尤其關注中國市場。

ST表示，其在中國市場的代理商、渠道供應商都將不斷發力，來提高ST在中國市場的表現水平。

至於總部對中國市場的支持，ST方面表示，「中國經濟正在發生著翻天覆地的變化，傳統行業和傳統經濟目前處在平穩增長的階段，隨著現在越來越多的新產業、新業態的出現，包括物聯網、工業物聯網和設備互聯，在新產業不斷崛起的過程中，國家也出臺了相應的法律法規。所以ST會在人工智慧和傳感器方面繼續發力，來助力中國工業網際網路的發展。我們希望這樣的幫助是相輔相成的，ST和中國市場應該是共同成長的。」

在會上，ST還對中國本土的一些戰略合作夥伴進行了授牌儀式，他們強調，合作夥伴一直是ST文化中非常重要的一環，是生態系統中的DNA，只有通過合作，才能達成共贏並長久保持競爭優勢。ST表示，進入一個國家市場都需要在本地化上有所深耕，了解本地市場的一些合作夥伴。今天授牌的戰略合作夥伴在中國市場有相應的競爭優勢，並且對於本地市場非常了解。

打開APP閱讀更多精彩內容

聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容圖片侵權或者其他問題，請聯繫本站作侵刪。 侵權投訴

相關焦點

  • 邊緣計算和邊緣AI是什麼?兩者有什麼區別?
    在科技領域，我們聽慣了AI人工智慧，邊緣計算，卻很少涉及兩者的交叉與融合：邊緣AI，那麼邊緣計算與邊緣AI是什麼，兩者有什麼區別呢？邊緣 AI 晶片組市場將超過雲AI晶片組市場。首席分析師Lian Jye Su 表示：隨著行業的發展，企業越來越多的需要解決有關數據隱私、電源效率、低延遲和強大的設備上計算性能等問題，邊緣AI將是解決方案。預期在未來五年，AI訓練與推論會在網關或是各種邊緣裝置進行，甚至往下到傳感器節點。那麼，邊緣AI到底是什麼，靠什麼能解決這些行業痛點呢？
  • 一文了解邊緣計算和邊緣AI
    預期在未來五年，AI訓練與推論會在網關或是各種邊緣裝置進行，甚至往下到傳感器節點。那麼，邊緣AI到底是什麼，靠什麼能解決這些行業痛點呢？一、邊緣計算與邊緣AI近年來，物聯網設備連接數呈現出線性增長趨勢。據Gartner預測，到2020年，全球物聯網設備的數量將超過200億臺。與此同時，設備本身也變得越來越智能化。
  • 科學家發明近傳感器計算與傳感器內計算技術,邊緣計算更「穩」
    圖 | 章魚（來源：IC photo）而邊緣計算的結構和章魚很相似，它是一種分布式計算，得到信息後無需把大量數據上傳到遠端管理平臺，直接可以就近處理。而說到邊緣計算，就不得不提傳感器。當前的傳感器網絡中，節點數量增長非常迅速，傳感器終端和計算單元之間交換著大量冗餘數據，如何在處理大量數據的同時、還能降低功耗，是邊緣計算亟待解決的難題。
  • 港理工科學家發明近傳感器計算與傳感器內計算技術,讓邊緣計算更...
    而說到邊緣計算，就不得不提傳感器。當前的傳感器網絡中，節點數量增長非常迅速，傳感器終端和計算單元之間交換著大量冗餘數據，如何在處理大量數據的同時、還能降低功耗，是邊緣計算亟待解決的難題。　　針對此，近日香港理工大學應用物理學系副教授柴揚發表在《自然?
  • 邊緣上的AI:「協作機器人」如何快速處理傳感器數據
    工業機器人通常位於「封閉」環境中，出於安全原因，如果該環境中有人類進入，機器人會停止移動。但是限制人類/機器人協作，也使得很多益處無法實現。具有自主運行功能的機器人，可以支持安全高效的人類與機器人的共存。　　機器人應用的傳感和智能感知非常重要，因為機器人系統的高效性能，特別是ML/AI系統， 在很大程度上取決於為這些系統提供關鍵數據的傳感器的性能。
  • 融入AI,邊緣計算按下升級鍵
    邊緣計算智能化升級在IoT時代，海量設備將接入網絡，進行數據採集和用戶交互。在5G和AI的乘數效應下，數據的「量」和「質」都發生了改變。其中，「量」的變化有兩個維度。一方面，數據量呈現指數級增長;另一方面，有實時性要求處理的數據迅速上升，對於將雲處理的數據下沉到邊緣提出要求。
  • 基於邊緣計算的大規模傳感器高頻採集系統研究
    【關鍵詞】邊緣計算；大規模傳感器；高頻採集1 引言物聯網是通過智能感知、識別技術與普適計算、泛在網絡的融合應用，在5G的萬物互聯時代，物聯網要通過大規模的不同類型的傳感器去感知周邊物體和物理環境，為物聯網應用層的數據分析提供依據。
  • 融入AI 邊緣計算按下升級鍵
    其中，「量」的變化有兩個維度。一方面，數據量呈現指數級增長；另一方面，有實時性要求處理的數據迅速上升，對於將雲處理的數據下沉到邊緣提出要求。據IDC預測，2025年全球物聯網連接數將增長至270億個，物聯網設備數量將達到1000億臺，全球數據總量預計2025年將達到163個ZB，而未來超過70%的數據和應用將在邊緣產生和處理。
  • FPGA適合AI邊緣計算嗎?
    價格友好且設計門檻在降低，但FPGA想在邊緣端應用，還需要有相對ASIC明顯的優勢才具備吸引力。對此，陳英仁對雷鋒網表示：「我們專注於把FPGA的優勢發揮出來，比如低延遲。另一個是FPGA能夠快速導入市場。還有就是FPGA的彈性，因為FPGA本身就有可編程性的優勢，I/O、配置都非常靈活。I/O接口的靈活性非常適合邊緣端，可以接入各種傳感器。」
  • JITStack講解:什麼是邊緣計算?邊緣計算是靠近數據源的計算基礎
    由於很少有地方可以繼續改進運營,製造業組織不得不尋找新的方法來改善生產,績效和利潤。進入數字產業轉型時代利用信息技術創新,製造企業開始提高績效和生產力水平。雖然雲計算是產業信息化轉型的主要推動因素,但邊緣計算正在迅速成為工業物聯網(IIoT)目標的關鍵部分,以加速數位化轉型。
  • 新基建來了!邊緣計算迎來「新風口」,AI晶片創企如何把握機會?
    但歷史經驗表明，危險與機遇相伴而生，每一輪危機過後，會有新的經濟動量釋放活力。近日，中央召開會議，其中多次提及，在做好防控新冠疫情的前提下，讓企業有序復工復產，並加快5G網絡、數據中心等新型基礎設施建設（以下稱「新基建」）進度。「新基建」功在當下，利在長遠，旨在構建數字經濟時代的關鍵基礎設施，推動實現經濟社會數位化轉型。
  • 邊緣計算與智能家居
    一方面，有了邊緣計算的支持，物聯網對設備的控制，就相當於人對於手的控制，可以直接通過大腦意識控制，因為當設備之間的聯動通過區域網內的邊緣計算實現時，邊緣計算內的邏輯在雲計算上早有備份。傳感器通過連接雲平臺、區域網將處理後的數據傳輸至智能終端，促使各個子系統做出適應環境的調整。智能家居傳感器以微型化、智能化、多功能化、網絡化等趨勢向前發展。未來，傳感存在於智能中，全屋智能會像空氣般存在，像呼吸般自然，用戶可以在不知不覺中感受到智能家居帶來的便捷化體驗。何為邊緣計算？
  • 邊緣計算、雲計算、霧計算能為自動駕駛做些什麼?
    通過伺服器的高性能計算，核心雲及邊緣雲給網聯駕駛車提供實時路況、道路信息、行人信息等一系列交通信息，讓智能駕駛邁進了「入5G網而知天下」的時代。然而，有一部分朋友並不完全認同，@goly說：「設備端轉雲端處理根本就不現實！ 1.網絡覆蓋情況？ 2.高速120下網絡吃的消？過隧道之類的咋處理？3.實時性要求？
  • 邊緣計算時代FPGA擁有無窮的潛力
    沒有既定的標準就要求邊緣計算參與廠商有隨機應變的能力，去適應各行各業因需求而生的特製標準。Achronix 戰略產品規劃副總裁 Manoj Roge 表示：「Achronix 更相信應用特定行業的標準基準測試。應用特定基準的一個很好的案例是機器學習(ML)，大多數晶片供應商都使用 Tops(即每秒萬億次操作)來作為他們的營銷基準測試結果。真正重要的是特定機器學習網絡的應用基準測試。」
  • 對於邊緣計算的要求是什麼
    大數據時代下每天產生的數據量急增，而物聯網等應用背景下的數據在地理上分散，並且對響應時間和安全性提出了更高的要求。雲計算雖然為大數據處理提供了高效的計算平臺，但是目前網絡帶寬的增長速度遠遠趕不上數據的增長速度，網絡帶寬成本的下降速度要比 CPU、內存這些硬體資源成本的下降速度慢很多，同時複雜的網絡環境讓網絡延遲很難有突破性提升。因此傳統雲計算模式需要解決帶寬和延遲這兩大瓶頸。
  • 模擬內存計算如何解決邊緣AI推理的功耗挑戰
    如果在數據起源處有一個本地處理引擎能夠執行部分或全部計算(推理)，則可以解決這些挑戰。這在傳統的數字神經網絡實現中是很難做到的，在這種情況下，內存成為了耗電的瓶頸。這個問題可以通過多層內存和使用模擬內存計算方法來解決，這些計算方法可讓處理引擎能夠滿足在網絡邊緣執行人工智慧推斷所需的更低的毫瓦到微瓦的功率要求。
  • 乾貨丨邊緣計算應用、現狀及挑戰
    傳統的雲計算模型是將所有數據通過網絡上傳至雲計算中心，利用雲計算中心的超強計算能力來集中解決應用的計算需求問題。然而，雲計算的集中處理模式在萬物互聯的背景下有 3 點不足。（1）萬物互聯實時性需求。萬物互聯環境下，隨著邊緣設備數量的增加，這些設備產生的數據量也在激增，導致網絡帶寬逐漸成為了雲計算的一個瓶頸。
  • 邊緣計算之於製造業有何用?
    有了邊緣計算，數位化轉型中由於雲計算過度集中式數據處理模式而產生的各種問題就迎刃而解了。那麼，什麼是邊緣計算?邊緣計算對製造業企業有何意義?一、邊緣計算的概念關於邊緣計算的概念，目前還沒有一個嚴格統一的定義，處於百花齊放，百家爭鳴的狀態。
  • 劉江川院士:邊緣計算如何應對能源網際網路的碎片化和複雜性?
    從2016年才進入這個時代，我們面臨了非常大的挑戰，從消費網際網路、工業網際網路、能源網際網路的場景裡面，會看到在消費網際網路的時候有一些慣性的思維，這些思維認為在過去十幾年裡已經建立了高可靠、高性能的基礎設施建設，比如說長時間不間斷的工作，在斷電的情況下有備用電源切入，它會消耗大量的電力，這些電力通過應用的價值來換取。
  • 香港理工大學大幅提高近傳感器、傳感器內計算方法的計算效率
    該文作者、香港理工大學應用物理學系副教授柴揚博士在接受TechXplore採訪時說道：「物聯網上的傳感器節點數持續高速增加。到2032年，傳感器的數量將達到45萬億，相當於每秒能生成高達1020比特的信息。因此，有必要將部分計算任務從雲計算中心轉移到邊緣設備，減少能耗和時間延遲、節省通信帶寬並增強數據安全性和隱私性。」一、什麼是近傳感器計算、傳感器內計算?